dct系数量化对图像压缩质量的影响

《dct系数量化对图像压缩质量的影响》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、作业二DCT系数量化对图像压缩质量的影响—、实验内容用Matlab实现基于DCT的静态图像压缩，并讨论在対图像进行DCT变换后产生的DCT系数如何取舍、近似，并分析DCT系数最化对压缩质最和压缩比例的影响。二、实验背景图像数据的一个显著特点就是信息量人。组成图像的各像素之间，无论是在行方向还是在列方向上都存在着一定的相关性。应用某种编码方法提取或者减少这种相关性，就可以达到压缩数据的冃的。所谓的图像压缩编码技术就是对要处理的图像源数据按一定的规则进行变换和组合，从而达到以尽可能少的代码（符号）来表示尽可能多的数据信息。冃前的

2、编码技术很多，其中应川最广泛的方法Z—就是基于离散余弦（DCT）的混合编码技术。它不仅能获得高压缩率，更重要的是计算复杂度低，易于硬件实现等优点，被大多数国际图像、视频压缩标准推荐为核心压缩算法。KuanHuiTan和MohammadGhanbari提出了DCT的层式结构，是一种多分辨率分解形式的DCT编码：把原始图像经过2D-DCT后的图像分为4个块，再把具有相同频带子块按原来的空间位置组合成同频子带，接着对低频子带进行逆DCT（IDCT）,得到的图像作为第二层输入图像，并重复上述过程，直到最后一层。这样使得DCT同样具冇

3、WT相近的性能，解决了WT用于视频压缩编码会血临与和对成熟的运动估计和运动补偿算法不匹配的问题等。当前DCT的主要研究方向之一是提高DCT压缩计算效率以及硬件实现。例如：根据图像数据为整数的特点，提出一种8X8整型DCT/IDCT变换算法，基于DSP或其它嵌入式芯片的8X8DCT算法实现等。三、实验原理离散余弦变换（DCT）是一种实数域变换，其变换核为实数余弦函数，计算速度较快，而且对于具有一阶马尔科夫过程的随机信号，DCT-P分接近KL变换，也就是说它是一种近似的最佳变换，很适合用于图像压缩。DCT数据压缩的基本思想是：山

4、于DCT的“能量聚集”特性，可以得知变换后的数据点之间的欧式距离屮前面少数维的贡献最人，麻面人部分的坐标分最趋近为零，对距离的贡献非常小。对一幅图像进行离散余弦变换后，许多冇关图像的重要可视信息都集中在DCT变换的一小部分系数中。也就是说，可以通过损失较小的空间信息——舍弃大部分后面多余维数，来达到降低处理数据的维数。当然舍弃维数的多少应当视不同的数据变换后的能量聚集情况以及所能忍受的精度有所不同。这也是DCT数据压缩的本质含义。DCT数据压缩放弃高频系数，并对余下系数进行虽化减小数据虽。二维离散余弦正变换公式为:2x+l2

5、N2N-lN-1F(w,v)=c(w)c(v)—工/(兀,y)cosNx=0y=0式屮，x,y.u.v=0丄…，N-1ow=0,v=0其它［丄c(w)=c(v)=<72〔1二维离散余弦逆变换公式为9N-lN-1.心,y)=—S£c@)c(u)f@,NM=ov=o(2x+1v)cosI2N丿I2NV71式中，w=0,l，・・・，7V-loc(u)=c(v)=jV2w=05v=0其它JPEG采川的是8X8大小的了块的二维离散余弦变换。在编码器的输入端，把原始图像顺序地分割成一系列8X8的了块，了块的数值在・128到127Z间。

6、采用余弦变换获得64个变换系数。变换公式，如式所示。<2x+l)U7TCOSI16丿177F(w,v)=-c(w)c(v)^工/(x,y)cos4a-Oy=0式中，x,y,u,v=0,1,---,7oc(w)=c(v)=J721其它DCT变换的实现常用三种方法，一种是基于FFT的快速算法；一种是蝶型算法（一般是8X8DCT）；另一种是DCT变换矩阵方法。变换矩阵方法非常适合做8X8图像块的DCT变换。Matlab提供了dctmtx函数来计算变换矩阵。一个MXM的变换矩阵T定义为:i=0,0

7、,in/./*1—f=coslWzWM—1,0W丿WM—14m2M则X的DCT变换Y为Y=TXTTo系数量化是一个十分重要的过程，是造成DCT编解码信息损失（或失真）的根源。量化的作用是在一定的主观保真度图像质量的前提下，丢掉那些对视觉彩响不人的信息，以获得较高的压缩比。由于DCT系数包含了空间频率信息，可充分利用人眼对不同频率敏感程度不同这一特性来选择量化表中的元素值的大小，对视觉重要的系数采用细量化（量化步长较小），如低频系数被细量化，对高频系数采用粗量化（量化步长较人）。虽化的冃的是减小非“0”系数的幅度以及增加“0”

8、Z系数的数忖，一燉情况下都使用均匀量化器进行量化，量化步长是按照系数所在的位置和每种颜色分量的色调值来确定，因为人眼对亮度信号比对色差信号更敏感，因此使用了两种量化表，一个是亮度量化表，一个是色度虽化表。此外，由于人眼对低频分量的图像比对高频分量的图像更敏感，因此量化表中的左上角的量化步长